【仓储物流】大数据在仓储物流中的发展与应用

大数据对于未来仓储物流的发展有着变革性的意义。仓内的各种物资如何完成高效的运转作业，其核心在于如何挖掘出仓储相关大数据的价值，并把它与仓内的各种设备和作业策略结合起来。

随着物流的智能化发展，大数据技术的作用日益凸显。

在物流企业的仓储、运输、配送、加工等环节每天都会涌现出海量的数据，面对海量数据，物流企业在不断增加大数据方面投入的同时，不再仅仅把大数据看作是一种数据挖掘、数据分析的信息技术，越来越多的企业把大数据看作是一项战略资源，随着大数据时代的到来，大数据技术可以通过构建数据中心，挖掘出隐藏在数据背后的信息价值，充分发挥大数据给物流企业带来的发展优势，在战略规划、商业模式和人力资本等方面做出全方位的部署，为企业物流运营过程中的战略决策、运营规划、资源统筹、人效提升、成本控制等方面提供有力支撑，从而帮助企业优化管理，提高行业竞争力。

仓储物流作为物流运作中的一个重要环节，其日常运营生成和积累了庞大的用户入库、出库、拣选等订单行为数据，如何通过大数据将这些信息对接，将每个节点的数据收集并整合，通过数据中心分析、处理转化为有价值的信息，是整个仓储物流行业目前最为关心的问题。

大数据在仓储物流中的发展现状

1.政策环境

目前，国家出台的与大数据相关的物流行业规划和政策，主要包括《第三方物流信息服务平台建设案例指引》、《商贸物流标准化专项行动计划》、《物流业发展中长期规划（2014-2020年）》、《关于推进物流信息化工作的指导意见》等一系列政策，将大数据、信息化处理方法作为物流行业转型升级的重要指导思想。

2013年6月发布的《交通运输业推进物流业健康发展的指导意见》指出，加快推进交通运输物流公共信息平台建设，完善平台基础交换网络，加快推进跨区域、跨行业平台之间的有效对接，实现铁路、公路、水路、民航信息的互联互通。鼓励企业加快推进信息化建设。

2014年2月发布的《第三方物流信息服务平台建设案例指引》指出，对第三方物流信息服务平台建设的指导思想、基本原则、建设类型、建设标准、保障措施与考核要求等进行了具体说明，并收录了目前国内经营模式较为先进、取得较好经济社会效益的第三方物流信息平台建设案例。

此外，交通运输部正在编制的物流发展“十三五”规划，其中统筹谋划现代物流发展，指出要发展智慧物流，适时研究制定“互联网”货物与物流行动计划，深入推进移动互联网、大数据、云计算等新一代信息技术的应用；强化公共物流信息平台建设，完善平台服务功能。

2.技术环境

大数据处理关键技术一般包括：大数据获取、预处理、存储、大数据分析、可视化等技术。

在数据获取上，现有的RFID射频技术、传感技术、系统日志抓取技术、EDI交互数据及移动互联网数据抓取技术等，都能从仓内运营中获得的各种类型的结构化、半结构化（或称之为弱结构化）及非结构化的数据，这些庞大的数据量是大数据知识服务于仓储物流的根本。目前仍需突破分布式高速高可靠数据爬取或采集、高速数据全映像等大数据收集技术；突破高速数据解析、转换与装载等大数据整合技术；设计质量评估模型，开发数据质量技术。

在数据存储上，大数据存储与管理要用存储器把采集到的数据存储起来，建立相应的数据库，并进行管理和调用。重点解决复杂结构化、半结构化和非结构化大数据管理与处理技术。主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。开发可靠的分布式文件系统（DFS）、能效优化的存储、计算融入存储、大数据的去冗余及高效低成本的大数据存储技术；突破分布式非关系型大数据管理与处理技术，异构数据的数据融合技术，数据组织技术，研究大数据建模技术；突破大数据索引技术；突破大数据移动、备份、复制等技术；开发大数据可视化技术。

在数据分析上，改进已有数据挖掘和机器学习技术。开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术。突破基于对象的数据连接、相似性连接等大数据融合技术。突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。

3.行业环境

2013年被称为大数据元年，2014年则为移动互联元年。物流大数据研究和应用刚刚起步，尚属新兴的研究领域，发展比较缓慢。从细分市场来看，医药物流、冷链物流、电商物流等都在尝试赶乘大数据这辆高速列车，但从实际应用情况来看，目前电商物流凭借互联网平台具有一定的先发优势。大数据或将成为物流企业的强力助手。作为一种新兴的技术，它给物流企业带来了机遇，合理地运用大数据技术，将对物流企业的管理与决策、客户关系维护、资源配置等方面起到积极的作用。2014年，中国物流大数据应用市场应用规模为2.92亿元，预计到2020年将达到188.23亿元。大数据在电商物流企业中的应用贯穿了整个物流企业的各个环节，其中电商的仓储物流环节由于表单直接与前台销售数据相连，其数据更具挖掘和应用价值。

1.科学库存布局

电商企业向全品类扩张时必然面临一个问题——如何在全国范围内进行合理的库存布局，以此实现成本和效率之间的最优化。库存布局包含两个维度的含义，第一个维度是在各个仓库里面放哪些品类的商品，如何在跨仓之间解决高拆单率的问题；第二个维度是在同一个库内，哪些商品放在一起是最合适仓储作业的问题。基于这个痛点，京东在以往运营过程中积累的海量数据起到了作用。通过大数据可以解析出不同的季节、不同的区域，订单和商品的关联度，系统可以知道哪些商品会非常频繁的被同一个客户下单购买。通过京东的智能算法，去形成京东独有的对于商品的第四级分类，该分类方式能够帮助企业更好地实现物流服务水平和成本之间的最优。

对于京东的仓储系统来说，在过去一年里已经深入挖掘了“20W×20W/日”的订单数据，构建起一个基于时间序列的数据立方体，萃取稳定可信的商品关联度，在此基础上集中应用先进算法，自主研发了全品类商品布局解决方案。该方案能够精细化梳理数百万甚至上千万SKU在550万平方米库房中的布局结构，在仓间级、仓内级、巷道级三个维度，系统性地推动京东运营体系商品布局最优化。

2.拣货路径优化

在拣货过程中，一般是由系统下传拣货集合单给拣货人员，由拣货人员按照集合单上的商品顺序依次完成拣货作业。京东原有的仓储系统虽然采用订单的批次处理策略，但主要依赖于仓库人员的经验，人工设置筛选条件来生成拣货集合单任务，从而造成拣货位置分布极其分散、拣货行走路径冗长、拣货路径选择不合理等问题，严重阻碍了仓库的运转效率。

而现在，利用大数据和机器学习，京东的仓内系统可以根据商品的历史出库数据和储位数据情况来进行自我学习，对具有相似属性的订单进行地理位置上的分类，将局部区域的订单集中在一起，用算法取代人脑规划超过550万平米库房的最优拣货路径，用代码代替人腿协助近万名拣货员奔跑，让巨型物流中心的拣货员，像行走在7-11便利店一样，每穿越一个货架，都满载而归，从而节省拣货行走时间，提升仓库的运转效率。

3.智能单量预测

利用大数据进行预测是大数据应用中的一个重要方向，通过大数据预测技术，可以挖掘出消费者的消费偏好及习惯，预测消费者需求，从而将商品物流环节和客户需求同步进行，将商品提前布局到消费需求周围、并预计运输路线和配送路线，缓解运输高峰期的物流压力，提高客户的满意度和客户粘度。

通过大数据支撑的智能单量预测系统能够支持京东全品类千万级自营SKU的需求预测，单量预测品类仓维度准确率达到85%，是库存管控相关系统重要的基础数据来源，也是京东数字化驱动智慧运营的基础。

4.仓储作业人效提升

需要在仓库站点完成配送的包裹数也倍增，这种倍增对于物流交互体系来说产生的压力毋庸置疑，随着人力成本的提升，依靠于传统的人海战术已经越来越难以解决。

在这些人工智能和自动化设备背后，大数据支撑的算法是核心和灵魂。在上架环节，算法将根据上架商品的销售情况和物理属性，自动推荐最合适的存储货位；补货环节，补货算法的设置让商品在拣选区和仓储区的库存量分布达到平衡；出库环节，定位算法将决定最适合被拣选的货位和库存数量，调度算法将驱动最合适的机器人进行货到“人/机器人”的搬运，以及匹配最合适的工作站进行生产。大数据使得京东能够有足够大的信心去迎接因为消费升级而带来的更大规模的物流交付体系的压力。

结论

大数据对于未来仓储物流的发展有着变革性的意义。仓内的各种物资如何完成高效的运转作业，其核心在于如何挖掘出仓储相关大数据的价值，并把它与仓内的各种设备和作业策略结合起来。未来，物联网技术可以捕捉仓内的每一个资源的状态，包括人、设备、设施、库存、订单，通过这种动态状态的捕捉，可以即时获取到生产线上的瓶颈。把这些数据汇聚到中央调度系统，由中央调度系统去做柔性的、动态的安排。利用大数据也可以突破现有仓库不同商品、不同作业模式的限制，大数据驱动的策略引擎可以根据当前的订单结构和仓库产能，自主地调控对不同订单、不同业务流程的作业模式，从而解决全领域、全业务形态、全品类商品的同仓生产问题。大数据为仓储物流的精细化作业、智能化作业提供了无限畅想的空间，同时如何有效收集、处理、分析指数级增长的分散数据以服务于仓储物流的现场运营和决策指引，也是企业当前面临的一个巨大挑战。